- Bevezető
- Kombinatorika
- Elemi valószínűségszámítás és eseményalgebra
- Teljes valószínűség tétele és Bayes tétel
- Mintavételek típusai
- Valószínűségi változó, várható érték, szórás
- Lineáris algebra
- Markov láncok
- Függvények
- Deriválás
- Függvényvizsgálat & szélsőérték-feladatok
- Nagy számok törvénye, centrális határeloszlástétel
- Normális eloszlás
- Többváltozós deriválás
- Integrálás
Nagy számok törvénye, centrális határeloszlástétel
Nagy számok törvénye
Ha egy esemény bekövetkezésének elméleti valószínűsége $p$, akkor minél többször végezzük el a kísérletet, a relatív gyakoriság és az elméleti valószínűség eltérése annál kisebb lesz.
\( P \left( \mathrel{\Big|} \frac{X}{n} - p \mathrel{\Big|} < \epsilon \right) \geq 1 - \frac{ p (1-p)}{n \epsilon^2} \qquad P \left( \mathrel{\Big|} \frac{X}{n} - p \mathrel{\Big|} > \epsilon \right) < \frac{ p (1-p)}{n \epsilon^2} \)
1.
a) Hányszor kel dobnunk a kockával ahhoz, hogy a hatos dobás valószínűségét a relatív gyakoriság 0,1-nél jobban megközelítse az esetek 95%-ában?
b) Hányszor kell feldobnunk egy érmét ahhoz, hogy a fej dobások valószínűségét a relatív gyakoriság 0,05-nél jobban megközelítse legalább 0,9 valószínűséggel?
A témakör tartalma
A Nagy Számok Törvénye